人工智能在航空领域的应用

本刊编辑部

人工智能的发展与应用称为社会发展的一个热点。人工智能在数据采集、自主深度学习、人机协作、智能辅助、先进的人机组队、多域作战、意念控制等方向得到研究和应用，值得高度关注。

美国咨询公司总结人工智能关键军事应用

2018年10月3日，美国市场研究公司在其官网博客上发表文章，总结了2018年8项人工智能关键军事应用。该文认为，人工智能技术在现代战争中的地位变得越来越重要了。美国防部2017财年内在人工智能、大数据和云方面的投入已达到74亿美元。根据印度专业市场分析公司Marketsand Markets的研究，到2025年军事领域的人工智能市场将增至188.2亿美元。以下是该文归纳的人工智能技术在未来发挥功用的八个重点领域。

作战平台

全球范围内不同国家的军队都在将人工智能技术融入他们陆基、海基、空基和天基平台中的武器和其他系统中去。

使用这些作战平台中具有人工智能能力的系统可以在减少对人类输入依赖的情况下提高作战系统的效能。它同样可以使这些作战系统在需要更少维修的情况下提升协同和作战效能。人工智能技术同样还被给予赋能自主和高速武器实施协同攻击的厚望。

网络安全

军事系统在网络攻击面前经常变得脆弱不堪，这将导致保密军事信息的丢失和军事系统的损毁。然而配置人工智能能力的系统能够自动保卫網络、计算机、程序和数据不被任何未授权行为干扰。

除此之外，人工智能技术赋能的安全系统可以记录网络攻击的模式并开发相应的拦阻工具。

后勤与运输

人工智能技术将在军事后期和运输中发挥重要作用。军事行动成功的基本要素之一就是物资、弹药、装备和部队的快速运送。

在军事后勤与运输中使用人工智能技术可以降低运输成本，减少相关人员的工作量。它同样可以使作战部队较为容易地检测异常和快速预测零部件失效。

目标识别

人工智能技术已经被用来在复杂的战场环境中提高目标识别的准确率。这些技术可以使防卫部队获得关于潜在作战区域的深度信息。除此之外，目标识别系统中的人工智能技术能够提高这些系统识别目标位置的准确率和精度。

战场医疗保健

在交战区域，人工智能技术可以与机器人手术系统（ RSS，Robotic SurgicalSystems）和机器人地面平台（RGP，Robotic Ground Platforms）相结合来提供远程手术支持和支撑撤退行动。

作战仿真与训练

仿真和训练是一个融合系统工程、软件工程和计算机科学等学科的多学科交叉领域。它旨在构建计算机模型来帮助士兵熟悉作战任务中所用到的不同武器系统。美军在仿真与训练应用方面的投资变得越来越多。

美国海军和陆军分别开展了各自的作战仿真分析，这促使了数个传感器模拟仿真项目的启动。

危险监控与态势感知

危险监控与态势感知非常依赖情报、监视与侦察行动。ISR行动可以为军事行动提供信息支撑。

执行ISR任务的无人系统既可以被远程操控也可以预先设定路线。为这些无人系统配备人工智能能力可以帮助作战人员提高危险监控和态势感知能力。

具有人工智能能力的无人机可以在边境地区巡逻，识别潜在的威胁以及向响应部队提供相关信息。因此，使用无人机可以加强军事基地戒备，也可以提高作战人员的安全性和效率。

数据处理

人工智能技术在快速高效处理大容量数据从而获得有用信息方面尤其有效。人工智能技术能够辅助提取和融合来自不同数据集的信息，还能够获取和归纳不同来源的信息集合。这一特点可以帮助军事人员开展模式识别和相关性分析等工作。

人工智能在军用航空领域的发展应用

自2018年11月正式运行以来，美国空军创新中心（ AFWERX）始终将重点工作放在人工智能上。AFWERX首席运营官戴维·哈登表示，人工智能将以一种不可见的方式从根本上改变空军的运作方式，AFWERX正在采用迭代加实验的方式来发展人工智能。

目前，AFWERX正在以下4个方面发展人工智能：

自主深度学习：分析大量数据集，以协助预测性分析或预警。

人机协作：使用人工智能帮助人类操作员更快、更好地做出决策。

智能辅助：简化流程并使流程自动化，以有效地辅助各类人工操作。

先进的人机组队：人与无人系统协作工作。

（1）将深度学习技术应用于维护E-3预警机

在最近完成的一项由AFWERX与五角大楼的国防创新单元（前称为国防创新试验单元，DIUx）合作开展的深度学习项目中，AFWERX的研究人员研究了E-3预警机（ AWACS）机队10年的补给数据和5年的维护报告，最终发现计划外例行维护中有29%的支出是可以节省下来的。该研究还确定了48个极有可能维护过度的部件，也就是说，这些部件完全没有必要进行如此频繁的更换。

美国空军一直以来都希望通过人工智能来更好地预测维护需求，但直到最近才逐步具备支持这一能力的技术。这一深度学习项目是AFWERX处理过的最棘手的人工智能项目，因为它涉及的都是非结构化的数据和文本。

目前，AFWERX正在努力将该项目扩展到其他机型，如F-16战斗机和C-5运输机，同时努力实现传感器数据的实时整合以便改进算法能力。

（2）将人机协作技术应用于飞行员训练

AFWERX正与空军教育与培训司令部（ AETC）合作开发空军下一代飞行员培训项目，该项目利用人工智能辅助教官培训飞行员。在项目的初始测试中，“人工智能教练”观察学生是如何学习的，然后提供实时建议，提醒学生哪里做得不正确。如果学生更喜欢通过图形进行学习或者更喜欢首先阅读任务，那么“人工智能教练”可以为该学生生成个性化培训课程大纲。

一共25名学生参加了首次下一代飞行员培训项目课程，其中13名学员只花了原来一半的时间就完成了空军飞行专业大学训练课程。AFWER×任务主管表示，该项目的下一阶段目标是更好地构建数据以根据每个学生的需求定制模拟器想定，并改进监控学生训练表现的生物识别传感器。此外，项目的第一阶段已经利用嵌入虚拟现实护目镜中的眼动追踪传感器来追踪学生的眼球运动，指示学生是否专注于正确的事情。项目的第二阶段希望能够跟踪体温、排汗和心率作为学生压力水平的指标。

（3）将外骨骼技术用于辅助人员机动

AFWERX的下一步方向是通过人工智能协助人类操作，智能外骨骼是其中一个尝试。智能外骨骼类似于“钢铁侠”穿戴的装备，需要算法和软件来实时解释所有外部传感器数据，集成数据，然后再协助人类进行操作。例如，原来需要5位空军士兵才能完成军需品搬运任务，如果使用外骨骼，只需1位士兵就可独立完成所有搬运。

智能外骨骼通过支撑四肢的重量降低肩膀和手臂的压力，能为士兵提供额外的动力和机动性，可使士兵具备大幅超出常人的负荷能力。照片中的外骨骼背心能够为操作人员减轻5-1引b（ 2.2 - 6.8kg）的负荷，帮助操作人员完成各项负重工作如飞机维护。

（4）将人机组队技术应用于多域作战

AFWER×正在研究先进人机组队技术，包括将无人平台无缝集成进多域作战中。空军参谋长David L Goldfein的三大優先事项之一就是使空军具备在多个域中同时作战的能力。AFWERX已经发出了一项多域作战融合（ MDO Fusion）挑战，旨在发现运用人工智能促进多域作战概念的创新理念。

DARPA提升人工智能系统在战场环境中的适应能力

当前的人工智能（人工智能）系统通常用于执行棋盘游戏和国际象棋等由严格规则定义的任务，其熟练程度超过世界级的人类玩家。然而，人工智能系统并不能很好地适应现实世界中不断变化的战场环境，包括敌军的突然行动、不稳定的天气以及陌生的操作地形。美国防预先研究计划局（ DARPA）表示，为了使人工智能系统能够在各种军事应用中有效地与人类合作，智能机器不仅需要在限制范围内执行规定的解决方案，还需要关注任务的不可预测性和独特性。为此，DARPA宣布了S人工智能L-ON计划，该计划旨在研究和开发基础科学原理及通用工程技术和算法，使人工智能系统在动态环境中正确有效地发挥作用。

该计划将制定科学规则来量化和特征化开放领域新事物，并创造人工智能系统对其作出反应，这些人工智能系统将在选定的国防部域进行演示和评估。现有的人工智能系统在发生重大和意外事件时无法适应。与能够吸取经验并相应调整行为的人类不同，机器直到接受再训练之前都将继续应用过时的解决措施。如果有足够的数据，机器能够很好地进行统计推理，例如，对图像进行分类以进行面部识别。DARPA在21世纪初推出的自动驾驶汽车引发了自动化交通工具的革命。大量数据支撑着自动驾驶技术的发展，但这些数据只能在道路规则已知的良好环境中发挥作用。对于在恶劣环境中不断面对危险形势的军事地面系统来说，生成庞大的数据集是不切实际的，自主军事系统在空中和海上作战则更为困难。

S人工智能L-ON计划成功后将引导人工智能系统进行学习和适当反应，无需在大型数据集上进行重新训练。该计划为人工智能系统奠定技术基础，使机器能够遂行军事观察、判断、决策和行动（ OODA）环过程，包括观察情况、判断观察的内容、制定最佳行动方案然后采取行动。

S人工智能L-ON要求开发团队区分开放领域中新事物的类型和等级，并开发能够在多个开放领域中识别和应对新事物的算法和系统。S人工智能L-ON计划正在寻找机器学习、计划识别、知识表现、异常检测、故障诊断和恢复、概率编程等多个人工智能子领域的专业知识。

DARPA人工智能项目将使部队通过意念控制机器

美国国防预先研究计划局（ DARPA）正在探索怎样利用人工智能改进将人脑和身体与军事系统相连的技术。近期发布的智能神经接口项目（Intelligent Neural Interfaces）寻求将人工智能技术植入神经接口，帮助人控制和感知远程机器，并与之交互，让机器成为人身体的一部分。神经接口可让人控制假肢，将人的思想转变为文本，并可让人通过意念控制无人机。

大脑一直在接收身体内各种神经传输的感知信息，但是一条神经可以传输的感觉有许多。参与该项目的团队将构建可在人体内触发“人造信号”的人工智能神经接口，例如，可在不接触热源的情况下感受灼烧或在没有物理接触的情况下感受触感。这种系统将与躯干上部连接，并可实现主神经承载信息的最大化。

研究人员开发神经接口面临的最大挑战之一是让传感器始终与大脑的正确部分相连。由于大脑一直处于获取和丢失神经元的状态，因此机器需要经常校准以应对神经连接的变化。该项目将从两个方向开展工作：一是构建人工智能算法，利用人工智能技术对神经接口进行训练，让接口自动感知神经连接变化并在神经元丢失、增加或脑机连接出现干扰时做出调整;二是探索克服神经接口局限性的方法，即探索人体原理。

智能神经接口项目团队可获得最多100万美元的资助，有18个月的时间构建原型系统。该项目隶属DARPA第三代人工智能项目——人工智能探索倡议，DARPA将在未来5年对该倡议投资20乙美元，以构建具备推理和背景理解能力的人工智能工具。

美海军寻求在6代机上应用人工智能以应对2030年威胁

美国海军下一代空中优势项目寻求开发第6代舰载战斗机以应对2030年之后的战场威胁。目前，该项目已经完成了概念开发阶段，正在开展机身、瞄准系统、人工智能传感器、新型武器、电子战系统和发动机的设计工作。未来，第6代战机将与F-35战斗机协同作战，并将替代F/A-18战斗机。

美国海军预计今年完成备选方案分析，以衡量利用近期新技术对当前装备进行升级与等待成熟度较高的下一代系统出现后再研发第6代战机之间的利弊。

在升级当前武器装备方面，海军已经成功将F/A-18战斗机的服役时间延长。通过一系列升级，F/A-18的飞行时间已由原计划的6000h延长至8000h，并有望延长到10000h。F/A-18战斗机升级项目包括新型导航技术、电子内存设备、任务计算机、安装在头盔上的提示系统、电子扫描阵雷达和红外搜索与跟踪（ IRST）传感器。红外搜索与跟踪被动传感器可提供更好的目标瞄准能力，并且不会发射信号，因此可免遭敌军的电子战攻击。

在第6代战机研发方面，航空业开发商正在设计具有新型隐身结构的第6代战机原型，并设法应用人工智能、小型化远程传感器、目标瞄准和具有较高自主等级的无人机等技术。可保证未来几十年作战优势的隐身或人工智能等下一代成熟技术的出现时间尚不确定，需要继续等待，但未来技术转型过程中的某些关键技术节点已经有了实质性的突破。

由于当前的传感器、航电系统和武器系统越来越依赖人工智能技术，如果采用升级当前装备的方案，未来需要更新人工智能算法并提高处理速度以改善战斗机作战性能。如果采用开发6代机的方案，则需要使用人工智能的智能传感器和新型人工智能算法。由此可见，不管采用哪种方案，海军的未来战斗机都需要人工智能，人工智能将为未来各种技术的进步提供框架。

集成到机身的智能传感器可在几毫秒内收集、分析和组织大量作战信息，由于没有外部天线、吊舱或结构化阵列，因此不会增加飞机被雷达探测到的概率。

同时，传感器探测范围的扩大，共享数据量和远程连接的大幅度增加将为空中作战带来空前的优势。融人人工智能算法的超远程传感器和武器将使作战更加分散化，并可减少部队的线性交战次数，智能传感器与武器平台组成的网络可有效提升目标瞄准能力，并减少传感器到武器的信息传输时间。未来的作战网络需要采用分层结构，仅为用户提供所需的信息，并且需要应对网络降级情况的备用架构。

通过使用先进人工智能算法和实时分析技术，高速计算能力可解决大量ISR数据的聚合、分析和组织问题，可快速识别和分发与作战相关的关键时刻或事件，从而建立优先事项并缩短人的决策周期。人工智能算法可整合新的信息，并即刻与存储的大量数据进行对比，无需人干预既可得出有依据的决策。此外，人工智能和人机界面交互能够执行耗时或较难的信息分析任务，从而减轻人的认知负担，可保证人能够利用大规模数据池，并在指挥与控制链中担任最终决策者的角色。

俄罗斯计划于2019年中推出人工智能路线图

据Defense One网站1月8日报道，俄罗斯正开始为其人工智能研发工作提供资金和后勤支持。同时，俄罗斯也在为其国家人工智能技术研发的路线图草案添加细节、截止日期和专项资金等内容，并希望能在2019年年中公布路线图最终版本。这份路线图新建了一系列项目，它们将帮助确定并清除端到端技术研发过程中的阻碍，预测俄罗斯的人工智能市场需求。另外，该新文件将为俄罗斯大型国家项目“数字技术”打下基础，

目前看来，俄罗斯似乎正在增加人工智能研发工作的资金量。在2017年晚些时候，俄罗斯政府曾计划在2020年前投入4.19亿美元（280乙卢布）。但在2018年10月，对于“数字技术”项目2019 - 2021年规划的新版本指出，需要投入的金额可能为之前规划的两倍：2.87亿美元用于一流的研究中心和初创企业，1.45亿美元用于研发产品、服务和平台，2.87亿美元用于已基本准备就绪的技术。

2018年3月，俄政府召开会议，鼓励私人企业和组织与多個政府机构在人工智能方面加强合作。此次会议由俄国防部、俄科学院和教育与科学部组织，俄国防部长也呼吁加强公私合作。他还补充说，人工智能将会帮助俄罗斯在网络空间中占据优势地位，并赢得信息战。此次会议中还产生了人工智能路线图草案，其中列出了一些建议可以进行的公私合作，也标注了一些关键的研发步骤。路线图建议中包括了建立人工智能和大数据联盟、建立国家人工智能训练和教育系统、全球监控人工智能发展、建立国家人工智能中心及其他想法。

俄罗斯新的“数字技术”计划是由政府行政部门制定的——它的作者来自俄罗斯科学院系统编程学院、语音技术中心、莫斯科物理学与技术学院、圣彼得堡国立信息技术机械与光学大学（ITMO）、俄罗斯创业公司、俄罗斯国家核电公司、俄罗斯通信运营商MTC和俄罗斯最大的移动运营商。尽管俄罗斯国防部是201 8年3月初稿的关键促进者之一，但新公布的路线图计划却并未公开提及国防部，而是提到了在2018年3月和现在都有参与的两个关键机构——俄罗斯先期研究基金会和俄罗斯科学院。

如今很明确的一点是，俄罗斯正开始为其国家人工智能研发计划提供资金和后勤支持。无论情况如何，2019年都将会在国家层面给出具体的国内人工智能发展工作指南，从而产生一定结果。人工智能是俄罗斯国家研究中最令人感兴趣的领域之一，因而，这份路线图最终很有可能会获得通过。国家科技与研发机构也应该注意到了这一点。

人工智能在民用航空领域的应用研究

日前，飞机制造商和航空公司正在投入重要的资源将人工智能技术用于从驾驶舱到客户体验的各种应用中。

商用飞机上人工智能的应用研究

自动化系统多年来一直是商用航空关注的领域。由于采用了电传操纵控制和自动飞行系统，机器学习（ML）和人工智能技术正在承担驾驶舱中机组成员的工作量，甚至可以成为另一个副驾驶。最初为无人机安全开发的广播式自动相关监视（ ADS-B）系统已经应用于有人驾驶飞机;开发中的机动特性增强系统（ MCAS）使用传感器数据根据飞行条件自动调整飞机的控制面，在必要时对飞机操纵特性进行补偿，从而提高安全性。

在现代客机上，机器学习有大量数据可以发掘：空客推出的双发宽体飞机A350XWB拥有约5万个传感器，每天收集的飞行和性能数据总计超过2.5TB。人工智能可以通过多种方式利用这些数据。

目前，空客正致力于一些项目，减少飞行员的认知负荷和由此产生的认知疲劳。这意味着机组人员可以花更多的时间处理整个飞行策略和任务，花更少的时间处理飞机驾驶等的小事情。其中一个例子是空客飞机上一种称为跑道超限保护（ ROPS）的功能选项。ROPS是个软件，计算飞机进近速度和重量，将得到的物理模型与公布的跑道长度和当地的天气进行比较。如果检测到不安全的情况，系统会广播“跑道太短”的讯息。ROPS还可计算最佳的进近下滑道或轨迹，帮助滑行、起飞和其他飞行操作。

空客公司利用人工智能的另一个重点领域之一是研发自动驾驶飞行器和空中出租车，旨在为城市地区的人们提供交通服务。此外，在客机的飞行员因机舱压力下降而失去意识时，人工智能就大有用场;在高压情况下，人工智能可以比人类更快地做出更佳的决策。

空中交通管制（ATC）通信是所有飞行的关键。然而，许多对话都是重口音的英语，这使得飞行员和管制员难以相互理解。为此，空客公司启动了公开竞赛项目人工智能Gym。人工智能Gym的目标是完整转译ATC音频，并从音频中提取飞机呼号以便进行会话跟踪和警报。人工智能Gym项目使空客能够利用外部专业知识，发现人工智能的一些潜在用途。

航空公司利用人工智能技术提升运营能力

在飞行安全问题上，航空公司严重依赖飞机制造商。然而，航空公司不仅仅指望人工智能协助驾驶舱，还希望机器学习和人工智能帮助航空公司简化地面运营，并尽可能为客户提供轻松无缝的旅行体验。

美国联合航空公司正在对后端数据（如从客户、维护日志、员工工作日志和飞行中收集的数据）进行机器学习，以提高业务能力。2018年9月，美联航和Palantir Technologies宣布建立长期合作关系，部署Palantir Foundry.将之作为美联航的中央平台，整合公司关键业务部门的不同平台数据。

美联航还在使用机器学习来帮助调度飞行。这需要考虑所有相关变量，如派遣机组人员（基于休息时间和适当的机组人员飞机认证）、飞机燃料和操作限制、飞机座位容量等。在这样复杂的决策过程中，往往必须在25min内根据届时可用的有限数据进行计算并作出决定。

Palantir与空客公司合作创建了航空数据分析平台Skywise，为小型航空公司提供订购服务，其中包括减少飞机计划外维护的工具。航空公司还同GE-起，将飞机传感器数据转变为基于机器学习的服务，以推动GE喷气发动机的预测性维护。美联航使用机器学习和人工智能远不止用于维护和飞机时刻表的管理。美联航的机器学习算法采用150个不同的客户和航班数据点，实时确定在购买或登录点将哪个特定产品呈现在客户面前。该系统考虑了乘客以前的购买、偏好、目的地和活动等事项，为客户提供各种选择，包括航班选择、座位升级、里程购买和优先访问权等。

其他航空公司正在采用其他形式的人工智能来减少航空公司员工的工作量。如面部识别技术现在用于加快机场的登机手续。达美航空公司是第一个部署此流程的航空公司，加快了乘客登机时间近10min。该系统目前用于国际航班的登机手续和行李托运，达美预计2019年将业务扩展至国内航班。

预防未来灾难的发生

基于人工智能的分析最重要的用途之一是在灾难发生之前识别出飞机的安全风险，例如印尼狮航610号航班坠毁事件，飞行前自动控制系统发生故障可能标志着存在重大的安全问题。位于硅谷的美国国家航空航天局（ NASA）的艾姆斯研究中心的一个项目重点就是识别商业航空事故数据中预示飞机存在潜在系统性大问题的“异常运行”。

NASA已經对异常检测和事件先兆识别相关的算法进行了初步开发，并开始收集该领域专家的反馈。目前NASA正在为联邦航空管理局的分析合作伙伴Mitre开发一种用于飞机数据安全性分析的系统。Mitre是联邦政府资助的研究和开发中心，运行一个名为航空安全信息分析和共享（ ASIAS）项目，目的是在NASA、FAA、国家运输安全委员会、飞机制造商和50多家航空公司之间建立一个安全数据共享联盟。航空公司将其航班记录数据的一些子集上传给Mitre，后者执行分析后提供潜在问题的反馈。

人工智能已嵌入航空发动机产业全流程

人工智能是信息化时代进一步发展的新兴科技，航空发动机则是传统工业“皇冠上的明珠”。近日，国际发动机领军企业通用电气全球副总裁柯林·帕里斯宣称，人工智能已经嵌入通用电气航空发动机产业全流程。

航空发动机是结构复杂的钢铁实体，人工智能的核心则是一串串程序代码。一种名为“数字孪生”的技术可将发动机装进“计算机”，通用电气先利用“数字孪生”技术为航空发动机构建一个数字“双胞胎”，再与人工智能算法结合形成“智能模型”。一方面，该模型可辅助工程师优化航空发动机设计方案：智能“设计师”可先提供4-5个设计方案，工程师再从中择优。另一方面，该模型还能够实时预测发动机故障，如压缩机受损或涂层腐蚀受损等，优化发动机检测频率。

在发动机的制造上，既可以通过智能制造技术直接提高生产速度，例如，借助机器视觉技术控制热障涂层喷涂;又能使用智能算法优化生产线设计方案以达到最高的效率。在发动机的使用和维护上，则使用智能算法优化航空发动机使用方案，以最少的燃油达到最大的效率，同时利用机器视觉技术来检测失效或断裂的部件。此外，通用电气还研发了一种智能机器人，用于叶片涂层的检测和修补。

柯林·帕里斯指出，人工智能对传统航空发动机产业起到了颠覆性作用。智能检测技术将传统的发动机叶片检测时间从20h缩短到20min，并大大节约了人力，避免了人员操作误差。截至2017年，通用电气已经进行了数百万个“数字孪生”项目，帮助公司节约了数千万美元成本。

柯林·帕里斯表示，新型航空发动机是未来通用电气主要聚焦领域之一，公司计划未来20年在航空发动机和燃气轮机产业投资2100乙美元，而积极应用人工智能技术有望给公司带来更大利润。同时，通用电气将与英特尔、英伟达等公司深化合作，开发新的智能软件和硬件。